数字图像处理在机械领域的应用(本科毕业论文).docx

数字图像处理在机械领域的应用（本科毕业论文）本科毕业设计数字图像处理技术在无损检测等中的应用DigitalimageprocessingusinginNDT.etc级号名业师 老 #:年学姓专指2008级20087825杨林机械设计制造及其自动化（汽车工程）郭世伟2012年6月系级目院年题机械工程系2008级指导教师专业汽车工程杨林数字图象处理及其在无损检测等中的应用指导教师.（签章）评阅人（签章）答辩委员会主任（签章）毕业设计任务书班级2008级学生姓名杨林学号20087825发题日期：2012年3月3日完成日期：6月6日题目数字图象处理及其在无损检测等中的应用、本论文的目的、意义：无损检测在机械设备、工程结构的保护中有重要意义。对油样分析、射线探伤、超声波探伤等无损检测方法生成的图像进行数字图象处理，是实现损伤推断、故障诊断自动化的重要方法。该选题具有重要实际意义，并促进学生在该领域的深入学习与应用研究，为将来的进一步深造打下基础。2、学生应完成的任务（1）收集有关无损检测、数字图像处理等方面的资料，熟悉数字图像处理在无损检测上的应用；（2）学习数字图像处理的基本理论知识，掌握其原理、方法；（3）学会应用有关软件进行程序设计，实现对图像的计算机分析与处理；（4）把数字图像处理方法应用于有关无损检测的图像分析中；（5）完成具有规定格式的设计说明书份。3、论文各部分内容及时间分配：（共15周）第一部分查阅、搜集有关资料并参考学习；（3周）第二部分基于图像处理的基本知识原理，学习图像处理方法的程序设计，并调试;（4周）第三部分应用图像处理技术对无损检测所得图像进行分析处理，做图像特征提取、图形识别，计算特征参数;（5周）第四部分设计说明书的书写整理，程序的运行演示等工作。（2周）评阅及答辩（1周）备注参考文献：有关图像处理、无损检测，与有关程序设计等方面的书籍与资料在图书馆与网络上有很多，可自行选择参考。指导教师：郭世伟2012年3月3日审批人：年月日本课题要紧研究的是将数字图像处理技术引入到无损检测与油样铁谱分析当中，在分析与检测图像的基础上，运用数字图像处理中的图像增强、图像分割的方法并结合matlab软件编程技术处理X射线无损检测与铁谱无损检测结果所得到的图像，能够有效的检测出目标的实际位置、形状、大小等有关参数。数字图像处理技术是通过对图像的数学变换与有关处理方法将图像中的特征区域所包含的特征信息表现出来，在实现信息的可视化、智能化等方面提供了一个有效的解决方案。从而以此来进一步对机械设备的工作运行情况进行推断，实现了机械故障诊断检测的智能化。本文在研究过程中，要紧由下列几个方面的工作：（1）介绍了数字图像处理技术与无损检测技术的研究概况与进展趋势，论述了数字图像处理技术应用于无损检测图像中的现实意义。（2）概述了数字图像处理的基本原理与方法，奠定了实现图像预处理、图像特征提取的理论基础。（3）结合matlab软件编程同时运用图像处理技术的有关原理对X射线无损检测图像图像增强处理与比较了不一致种类的滤波方法处理检测图像的实际效果，确定了选择中值滤波处理图像的结果做进一步图像分析。在图像分割过程中选取了不一致阈值进行图像二值化处理，确定了使用最大方差阈值法分割图像，实现图像的二值化处理。并进一步使用Canny边缘检测技术提取出特征区域的检测边缘，实现了对目标轮廓的有效检测。（4）使用K-均值聚类方法首先对铁谱图像中的特征区域进行提取，并对提取出的特征区域进行灰度调整、中值滤波完成图像的预处理过程，继而使用最大方差阈值法分割图像，将图像合理的转化成二值图像，并对各特征区域进行颜色标记与边缘检测，提取出了特征区域的有关参数。最后使用链码技术对其中一部分区域进行链码提取以此来描述特征区域的轮廓，实现了对特征区域的形状描述。（5）对图像处理技术在X射线无损检测与铁谱分析两种应用中进行MatlabGUI界面设计。关键词：无损检测，铁谱分析，图像处理，边缘检测，图像分割AbstractThisthesismainlyprobesthewaythatusingthedigitalimageprocessingtechnologyintonon-destructivetestingandironspectrumanalysis.TheessentialisthatIapplyingtheimageprocessingtheoryofimageenhancementandimagesegmentationconnectedwiththecomputerprogramminginmatlabprocesstheimageofx-raynon-destructivetestingandironspectrumanalysisbasedonanalyzingtestimage.Afterwards,wecanobtaintherelativeparametersofthetestedimagesuchastheposition,shapeandsize.Theimageprocessingtechnologycantaketheimagecharacteristicsinformationoutviaimagemathtransformsandrelativeprocessingmethods,suppliedanefficientsolutiontovisualizationandintellectualizationofinformation.Therefore,wecanutilizethoseinformationfurtherestimatedtheworkingconditionofmechanicalequipmentssoastorealizetheintellectualizationintestingthefailureofequipments.Thereweresomeaspectsworksbelowinresearchingofthistask:(1) Introducedthecurrentdevelopmentsofdigitalimageprocessingtechnologyandnon-destructivetestinginhomeandabroad,IdiscussedthepracticalmeaningofusingdigitalimageprocessingintoNDTarea.(2) Summarizedthemethodandfundamentaltheoryofdigitalimageprocessing,Ihadgainatotallycomprehensioninimagepreprocessingandimagefeatureextraction.(3) Ihadprocessedtheimageofx-raynon-destructivetestingbasedontheprogramminginmatlabandtherelativetheoryofimageprocessingtechnology.Besides,confirmedtoapplytheresultsofmedianfilteringtomakefurtherimageanalysisbycomparingtheresultsofthedifferentfiltermethodsprocessingthetestedimage.What,smore,confirmedtoapplythemaximumvariancethresholdmethodtodoimagesegmentationbycomparingresultsofthedifferentthresholdvaluesprocessingdealwithimagesegmentation.Attheend,whenIapplycannyedgetestingprogrammingtodowiththeimageIgotintheformerstagerealizinganefficienttestingtowardsextractingtheedgeoftargetarea.(4) Atthefirstofthebeginning,extractingthetargetareaintheironspectrumimagebasedonthetheoryofk-meanclusteringmethod.Withthat,inordertofinishtheprocessofimagepreprocessingIchoosetoprocesstheimagewiththemethodsofimagegrayadjustmentandmedianfilterprocessing.Then,Iobtainedthebinaryimagebyusingmaximumvariancethresholdmethod.Besides,Imadeacolorindicationandedgetestingfortheimagesoastoobtainsomerelativeinformationofthetargetarea.Atlast,inordertomakeashapedescriptionaboutthetargetareaIhavechosentomakearesearchaboutthefreemamcodetechnologyandusedthistechnologysuccessfullydescribedapieceofthetargetarea.(5) Makingwindows-designingofGUImatlabfortheapplicationofdigitalimageprocessingintox-raynon-destructivetestingandironspectrumanalysis.Keywords:non-destructivetesting,ironspectrumanalysis,imageprocessing,edgetesting,imagesegmentation第1章绪论11.1 无损检测技术简介11.2 油样铁谱分析简介11.3 数字图像处理技术简介2L4课题的研究内容及意义3第2章图像处理的基本原理及方法52.1 图像预处理51 .1.1图像增强52 .1.2图像的平滑化72.2 图像分析122.2.1 灰度阈值法分割132 .2.2边缘检测143 .2.3基于彩色图像的K-均值聚类分割162. 3图像的特征描述162. 3.1形状描述17第3章数字图像处理技术应用于X射线检测202.1 X射线无损检测技术简介202.2 X射线检测原理202.3 图像预处理212.4 .1焊缝图像灰度调整213. 3.2焊缝图像滤波243.4图像分析303. 4.1图像灰度阈值法分割313. 4.2图像边缘检测333. 5本章小结34第4章数字图像处理技术应用于油样铁谱分析363.1 铁谱分析技术的基本原理363.1.1 常用铁谱仪的工作原理363.2 数字图像技术应用于磨粒检测与分析374. 2.1铁谱图像处理384. 3本章小结46第5章MatlabGUl图像处理界面设计475. 1MatlabGUI简介476. 2GUI界面设计应用475 .2.1X射线无损检测GUl界面476 .2.2铁谱图像处理GUl界面485.3本章小结49结论50致谢51参考文献52附录54第1章绪论1.1 无损检测技术简介随着科学与工业技术的飞速进展，许多现代化工业都是工作在工作条件相当恶劣如高温、高压、高荷载的条件下，但为了使材料在其使用寿命期限内不出现失效损坏，以确保其在工作年限内正常工作。从而产生了一种在不破坏材料形状、不改变材料使用性能的检测方法用之来保证零件或者材料的可靠性与安全性，这项检测技术即是无损检测技术。无损检测技术是在不损伤被检测对象的条件下，利用材料内部结构的特殊或者者材料的缺陷在热、声、光、电、磁等条件下的反应变化，来检测材料及其零部件的内部与表面缺陷，并能够对缺陷的数量、形状、尺寸、分布等做出推断与评价。无损检测具有悠久的历史，人们长期以来通过对无损检测技术在实践中的探索与理论的逐步更新使无损检测技术经历了三个进展阶段，早期称之无损探伤，它的作用是在不损坏产品的前提下，发现零部件中的缺陷通过人眼观察、耳听诊断等，以满足制造业与使用的要求。第二阶段称之无损检测，它不但检验最终产品，而且要检测加工过程的工艺参数。第三阶段为无损评价，不但进行产品的最终检验与过程工艺参数的测量，而且当材料中不存在致命缺陷时还要从整体上评价材料中缺陷的分散程度，与对材料性质、动态响应与服役性能指标的实测值进行分析与评价，因此无损评价的内容包含无损检测的内容，但比无损检测更具综合性。20世纪70年代以来是无损检测技术飞速进展的时期，要紧原因是计算机技术不断应用到无损检测领域，同时无损检测本身的新方法与新技术也不断出现，从而也使无损检测仪器得到很大的提高。目前，无损检测技术正向快速化、标准化、数字化、程序化与规范化的方向进展。无损检测技术的方法很多，常用的无损检测技术有五种：超声检测、射线检测、涡流检测、磁粉检测与渗透检测。它们已成为生产中的常规无损检测技术。另外，还有各类新型的检测方法，如激光全息照相、声振检测、红外检测等。1.2 油样铁谱分析简介油样铁谱分析是油样分析技术中一项重要的油样分析检测技术。油液在机器设备中的油液通道中循环流淌时，油液中所蕴含的各项信息能够反映机械设备的运行情况，因而通过对工作油液进过合理的采样后进行分析处理后，即可取得机械设备中各摩擦副的磨损状况、磨损发生部位与磨损程度等方面的信息。而作为油样分析的铁谱分析技术最早是由美国麻省理工学院W.W.Seifert与美国FoXboro公司VCWestcott于1970年提出，铁谱分析即是一种借助磁力将油液中的金属颗粒分离出来，并对这些颗粒进行分析的技术。该项技术的提出者于1971年研制出用于分离磨损颗粒并进行观察分析的仪器即铁谱仪与铁谱显微镜。目前铁谱分析仪要紧有两种类型：一种是直读式铁谱仪，一种是分析式铁谱仪。通过这项技术的不断创新，铁谱分析技术已经成为机器状态监测与故障诊断的一项重要工具。其在国民经济建设及国防建设的各个部门如航空、舰船、铁路、与汽车、液压、机床、矿山、石油等机械设备的状态监测与故障诊断方面，都得到了广泛的应用。1.3 数字图像处理技术简介图像处理技术最早出现于20世纪50年代图像处理是利用计算机对图像进行图像数字化、图像增强、图像复原、提取特征等处理的一类理论技术。一幅真实的图像并不能直接被计算机识别，需要以计算机图像文件的形式存贮于计算机中图像按照信息的连续性能够分为两类，即模拟图像与数字图像。模拟图像中，图像的信息颜色、亮度与空间位置是连续的，而数字图像中信息是离散的。关于一张普通的照片，照片中的信息在空间上是连续的，计算机并不能读取这种连续的信息。为了让计算机读取照片中的信息，需要参照片进行图像处理。在图像处理过程中，参照片中的信息进行数字化离散，转化为计算机能够识别的数字图像。数字图像在计算机中以两种方式存储，即矢量图与位图。矢量图是利用一系列数学表达式来表述图像,优点为随着图像的放大或者者缩小，不可能降低图像的清晰度。但关于复杂的图像，很难找到合适的数学表达式。位图图像由一个个的像素构成，每一个像素代表一个特定的图像信息。位图图像在将图像转化为数字图像时，将图像分割为一个个像素，每个像素由一定的数值来表述其颜色与亮度。当一张图片转化为数字图片后，我们能够在每个像素上面都可得到该像素量化后的亮度值与颜色值。常见的图片与照片在空间上是平面，通常由两个坐标变量来确定空间位置。因此，数字图像通常的表述形式为二维函数的矩阵，如式1T：f(,y)=/(0,0)/(LO)/(0,1)/(1,1)/(O,V-1)f(l,N-l)(1-1)/(M-LO)/(M-IJ)/(M-1,-1)1.4 课题的研究内容及意义投入无损检测技术领域的研究是一项非常有意义的研究课题，目前无损检测技术作为一种绿色检测技术，逐步替代了传统的对环境产生较大的检测方法，对材料也不可能造成破坏或者者对材料造成二次污染。因此，对无损检测技术的继续深入研究是符合我国旨在建设一个环境友好性，资源节约型国家的核心要求的。随着现代工业的飞速进展，在满足产品使用性能的基础上，人们更加侧重与对产品的使用寿命与缺陷特性进行分析，以确保产品在设计寿命年限内能够具有较好的可靠性，可行性。而无损检测技术作为世界上一项飞速进展的检测技术，在不损伤产品使用情况的同时，结合产品材料的有关物理特性，光学特性等性质，能够较好的对产品中存在的有关缺陷进行识别，在各个国家的工业等有关领域对这项优势的检测技术相当重视，而通过使用这种检测技术而带来的经济效益也相当可观。同时随着电子技术及计算机技术的飞速进展，计算机图像处理技术有关理论也不断完善，利用计算机图像处理可对图像进行去除噪声、增强、复原、分割、提取特征等，该项处理技术已广泛应用与通信、操纵、故障检测等有关领域。而Matlab软件作为国际上公认的最优秀的科学计算与数学应用软件之一，也是最近几年来在国内外广泛流行的一种可视化科学计算软件，它集数值分析、矩阵运算、信号处理与图像显示为一体，构成了一个方便的、界面友好的用户环境。而结合Matlab数据工具箱中的图像处理方法目前也已广泛应用与无损检测领域。而作为现目前进展迅速的油样分析检测技术也是针对实时检测机械运行故障的一项重要检测技术。国外有数据统计机械设备有70%以上的故障与设备的磨损状况有关，而通过对机械设备中的润滑油进行采样分析来评估机械运行的工作情况，对设备劣化趋势即是得到矫正，能够有效的避免恶性事故的发生与进展，同时通过对油样的监测及时发现油质劣变的原因与污染状况，对此及时采取有关措施，使设备处于良好的润滑状态，从而减少故障发生的概率，延长设备的使用效率，在实现设备的主动性保护方面意义颇佳。铁谱分析作为油样分析技术的一种重要检测与分析方法,也正是依托上述故障检测意义通过铁谱显微镜对油样中的油质进行分析与检测。本文旨在通过学习基本的matlab图像处理原理来对无损检测领域中的X射线检测像与油样分析中的铁谱分析检测图像进行有关编程操作，达到熟悉与基本掌握matlab图像处理编程的方法，对检测图像做图像处理、图像分析及图像特征提取。从而，为进一步图像处理技术的深入学习打下坚实的基础。第2章图像处理的基本原理及方法2.1图像预处理图像预处理就是在图像分析中对输入图像进行特征取、分割、识别前所进行的处理过程。图像预处理的要紧目的是消除图像中无用的信息，而恢复图像有用的信息，显现图像的真实情况，以增强有关信息的可检测性与简化处理数据，从而提高后续处理过程中包含特征提取、图像分割、识别过程的操作可靠性。对采集来的图像进行分析，首先应当做的即是对其进行图像预处理操作，图像预处理包含图像的灰度变换、图像的平滑处理、图像的锐化处理等等。其最终目的即是为了提高图像的综合质量，如去除噪声，提高图像显示的清晰度等等。图像处理过程流程图2-1所示：图像输入图像输出图2T图像预处理过程2. 1.1图像增强图像增强是在对原有图像的基础上进行操作的，其目的是得到视觉效果更好或者者更有用的新图像以方便计算机进行进一步的识别处理。图像增强分为两大部分即狭义上的图像增强与广义上的图像增强。狭义上的图像增强指加强灰度图像的明暗对比度，而广义上的图像增强还包含图像模糊处理与彩色图像增强等。2.1.1.1 图像灰度变换图像的灰度变换处理是图像增强处理技术中一种非常基础与直接的空间域处理方法。灰度变换是指更具某种目标条件按一定的变换关系逐点改变原图像中的每一个像素灰度值的方法，其要紧目的是为了改善图像质量，使图像的显示效果更加清晰，灰度变换也叫对比度增强或者对比度拉伸。灰度变换的处理方法也叫做点运算方法，点运算是一种既简单又重要的技术，它的要紧特点是输入像素点的灰度值决定输出像素点的灰度值，同时不改变图像的空间关系。设图像变换表达式：g(,y)=7"(,y)，其中/(,y)为输入增强前图像，g(,y)为输出增强后的图像，丁是对图像/进行处理的操作符。另设S与，分别代表/与g在(X,y)处的灰度值，则图像变化表达式可另表示为：f=T(s)。若要保持图像的低端与高端的灰度值不变，把中间的灰度值从Sl到七拉伸到4到12,则可使用式2-1进行计算：9LGf)+4>sS2zolZ=S5251(2-1)selse通过变换后可将需要的图像细节灰度拉伸，将不需要的图像细节灰度级进行压缩，从而使图像细节信息更加丰富，也会便于计算机辨认进行下一步识别处理。2.1.1.2 直方图修正直方图修正是灰度变换的一种方法，它指通过增加图像像素值分布来对图像进行增强处理，通过直方图修正后，图像像素值在各个级别上都有分布，从而也更容易表现图像细节，使图像的视觉效果得到改善。直方图修正通常有直方图均衡化与直方图规定化两大类，直方图均衡化技术是把已知灰度概率分布的图像，通过数学变换，使之演变成一幅具有均匀分布的新图像，直方图规范化是指图像通过处理后，直方图的分布呈现出指定的形态，下面就直方图均衡化灰度变换原理用数学符号进行直观地阐述。数字图像中灰度级为的像素出现的频率：P(G=%,其中N为一幅图像的总像素数，是出现第k级灰度的次数，4表示第k个灰度级。对数字图像进行直方图的均衡化处理时，使用式2-2变换形式进行灰度变换处理。k女Sk=11zl)=zz()1,k=0,l,2-,L-I)(2-2)=oN=o其中X为输出图像中的亮度值，L为灰度级的总数。通过变换后的S值只能选择最靠近的一个灰度级的值，以此对S值进行修正，从而将得到不一致的灰度级别，确定出输入与输出像素值的映射关系，将原灰度值映射到变换后图像所对应的灰度级别的灰度值上。2.1.2图像的平滑化数字图像中往往存在各类各样的噪声如在图像数据传输过程中会引入噪声，与通过扫描得到的照片由于灰尘时噪声源，最终也会引入噪声从而影响图像的质量使获得的图像像素值不能真实反映真实场景亮度而造成的误差。为了消除噪声常用的空间域滤波方法有线性滤波、中值滤波、自习惯滤波等方法；频域增强滤波方法有频域低通滤波、频域高通滤波与同态滤波。通过滤波处理后的图像看起来图像效果比较的平滑。2.1.2.1空间域滤波空间域滤波是在图像空间借助模板进行卷积操作完成的。其基本特点是让图像在傅立叶空间的某个范围的分量受到抵制，而让其他分量不受影响，达到图像增强的目的。在空域实现滤波增强功能的方式都是利用模板卷积，其耍紧步骤是：将模板中心与图像中某个像素位置重合；将模板系数与模板下对应的像素相乘；将所有乘积相加；将与赋值给图像中对应模板中心位置的像素；如图2-2(a)所示给出图像的一部分，其中Sj为一些像素的灰度值，设有1个3x3的模板如图2-2(b)所示，模板勺为模板系数。如过将女。所在位置与图(a)中灰度值为SO的像素重合，则模板卷积的输出响应R为：(2-3)R=tgr=0通过把响应值赋给增强图，覆盖原先灰度值为SO的像素。则可知对原图每个像素都进行这样的操作后可得到增强图所有位置的新灰度值。同时对模板系数设定不一致的值将得到不一致的增强效果。(a)(b)图2-2原图像素点与滤波模板1、线性平滑滤波线性低通滤波器是最常用的线性平滑滤波器，实现这种滤波的方法称之领域平均法。领域平均法的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。如关于一幅NXN个像素的图像f(x,y),平滑处理后得到图像为g(x,y)且有：g(x,y)=Zf(m,n)(2-4)式24中S是(x,y)点领域的集合但不包含其本身；M是集合内坐标点的总数。从上式表达式可得出平滑后图像g(x,y)中的每个像素的灰度值均由包含在(x,y)的预定领域中的AX,y)的几个像素的灰度值的平均值来决定。图2-3即是一种图像阵列选取领域的方法。图2-3领域平均法选取领域通过这种方法对图像进行滤波处理对抑制噪声是有效的，但是随着领域半径r的增大，图像的模糊程度就愈加严重。能够通过阈值法减少由于领域平均产生的模糊效应。可通过式2-5进行具体说明：Vf(n,n),f(x,y)-Vf(m,n)T/、g(x,y)=<M(m,n)GsI(m.n)e.v'(2-5)/(x,y)else式2-5说明当一点及其领域内点的灰度的平均值的差不超过规定的阈值T时，就保留其原先的灰度值，假如大于阈值T就用其平均值来代替该点的灰度值。2、中值滤波中值滤波是一种典型的非线性滤波技术。传统的中值滤波通常使用含有奇数个点的滑动窗口，用窗口中各点灰度值的中值来代替指定点的灰度值。关于奇数个元素，中值是指按大小排序后中间的数值；关于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。中值滤波也是一种典型的低通滤波器，要紧用来抑制脉冲噪声，同时又具有能较好地保护目标图像边缘的特点。当退化图像用g(x,y)表示时，用中值滤波器得到的恢复图像，(x,y)为：/(x,y)=medimg(p,q),其中median表示取中值操作。W表示以(x,y)为中心的(p,q)ew模板区域。2.1.2.2频域滤波频域滤波增强方法是将图像从空间域变换到频域，在图像的频域空间对图像进行滤波处理，在频域空间的滤波与空间域滤波一样也能够通过卷积运算实现。假定原始图像/(x,y),经傅立叶变换后为"%u),频率域平滑滤波就是选择合适的滤波器函数对尸3#)的频谱成分进行相应的调整,然后在通过傅立叶逆变换得到滤波后的图像g(x,y)°其相应的频域滤波框图如图2-4所示，其滤波处理过程分为一下三个步骤：图2-4频域滤波处理过程假如通过”(4)增强/3#)的高频信息，如增强图像的边缘信息，则为高通滤波，如是为了增强频谱的低频信息，如对图像进行平滑操作，则为低通滤波。1、低通滤波图像从空间域变换到频域后，其低频分量对应图像中灰度值变化比较缓慢的区域，而高频分量则表示了图像中物体的边缘与随机噪声信息。低通滤波器的功能即是通过滤波器函数”(#)抑制高频分量而保留低频分量，从而达到消除随机噪声，削弱边缘效应，起到平滑图像的作用。常用的低通滤波器包含理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器等。其相应的传递函数如下：(2-6)理想低通滤波器传递函数为：OD(w,v)>D0式2-6中QO是理想低通滤波器的截止频率；£>(“一)是从点(/)到频域原点的距离，即D(uyV)=Vw2+v2巴特沃斯低通滤波器传递函数为：(2-7)H(uyv)=-一!1+式2-7中n为滤波器的阶次，阶次越高，滤波效果越理想。指数低通滤波器传递函数为：(2-8)2、IWJ通滤波图像中物体的边缘及其他灰度变化较快的区域与图像的高频信息有关，因而可利用高通滤波器对图像的边缘信息进行增强，起到锐化边缘的作用。相应地，高通滤波器分为理想高通滤波器、巴特沃斯高通滤波器，指数高通滤波器等。其相应的传递函数如下：理想高通滤波器传递函数为：U( 、 D(u,v) D0H(u,v) = <1AoO巴特沃斯高通滤波器传递函数为：H(w,v) = -71+ -D(u,v)指数高通滤波器传递函数为：”(, U) = J晟(2-9)(2-10)(2-11)3、同态滤波同态滤波法是一种将频域过滤与灰度变换结合起来的图像处理方法，它是把图像的反射模型作为频域处理的基础，利用压缩亮度范围与增强对比度来改善图像的一种处理技术。一幅图像/(x,y)能够用它的照明分量z(x,y)及反射分量r(x,y)来表示，即：f(,y)=i(,y)r(,y)(2-12)对上式去自然对数为：(2-13)Inf(x,y)=IM(x,y)+Inr(x,y)对上式傅立叶变换为:(2-14)F(u,v)=I(u,v)+R(u,v)用一个滤波器函数H来处理/(#),可得到：H(w,v)F(w,v)=H(II,v)(w,v)+H(u9v)R(u,v)(2-15)逆变换到空间域得：hf(x,y)=,(x,y)+hr(x,y)(2-16)对上式两边取指数得：g(x,y)=expIAf(x,y)=exp(x,y)expAr(x,y)(2-17)同态滤波法的关键在于利用自然对数的傅立叶变换将图像中的照明分量与反射分量分开。这样同态滤波函数就能够分别作用在这两个分量上。图像中的照明分量往往具有变化缓慢的特征，而反射分量则倾向剧烈变化，这使得图像对数傅立叶变换中的低频部分对应照明分量，而高频部分对应反射分量。通过设计一个对傅立叶变化的高频分量与低频分量影响不一致的滤波函数，假如Ml,Hh1,则滤波函数将压缩低频段，而增强高频段，最后的结果是压缩了图像的动态范围，同时又增强了图像的对比度。从而，相对低通滤波与高通滤波而言，同态滤波更容易突出图像目标区域的边缘特征信息。2. 2图像分析图像分析能够看作是一种描述的过程，要紧是从图像中提取有用的数据与信息，生成非图的描述与表示。图像分析的要紧内容分为二值化图像处理、图像的分割与图像的边缘检测等。图像分割是一种重要的图像分析技术。在对图像的研究与应用中，我们往往仅对图像中的某些部分感兴趣，这些部分称之目标或者背景。其通常对应着图像中特定的、具有特殊性质的区域，这些特殊性质包含像素的灰度值、物体轮廓曲线、颜色等。为了计算机进一步识别与分析图像中的目标。需要将这些带有特殊性质的区域分离提取出来，在此基础上才能进一步对目标进行测量与对图像进行利用。简而言之，图像分割就是指将图像分成各具特征区域并提取出其中感兴趣目标的技术与过程。数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域的基础部分，也是图像识别中提取图像特征的一个重要属性，在对图像进行图像懂得与分析时，第一步操作即是边缘提取，目前边缘提取技术已成为机器视觉研究领域最活跃的课题之一，在工程上的应用也占有十分重要的地位。2.2. 1灰度阈值法分割关于只有黑与白的图像，由于其像素值只取O与1两个数值，因而称之二值图像。二值化图像处理在计算机图像处理中占有很重要的地位。为了分析图像的有关特性，常常从图像中分离出对象物，提取出图形与背景而进行二值化处理。图像的二值化可根据式2-18的阈值处理来进行。/ay)=，；/(3y)f(,y) - (2-18)其中T是输入图像/(x,y)中灰度级范围内的一个值。/(x,y)是二值化后的输出图像。通过对图像进行二值化操作后能够从图中提取所需处理图形的边缘。常用的阈值法处理就是图像的二值化处理，设定不一致的阈值T对图像进行二值化处理效果有明显的差异。常用的阈值确定方法有最小误差阈值法、最大方差阈值法、最佳阈值法等等。下面介绍其中最大方差阈值法的原理。最大方差阈值也叫大津阈值，是1980年由日本学者大津展之提出来的，它是在差别与最小二乘法原理的基础上推导出来的，可得到较好的阈值结果。把直方图在某一阈值处分割成两组，当被分割的两组间方差为最大时，确定阈值。设一幅图像的灰度级为lm级，灰度值i的像素数为“,则有：像素总数为：川N=E%(2-19)/=1各灰度级的概率为：Pi=L(2-20),N通过阈值将图像的灰度级划分为两组即CO=7与G=r+相则各组产生的概率为:第一组产生的概率:Wo= Pi =卬(T)(2-21)第二组产生的概率:(2-22)(2-23)%=B=I一叫j=+l第一组的灰度平均值为：UNiPi=Mn从4“W(T)第二组的灰度平均值为：(2-24)其中是整体图像的灰度平均值=ZiPj,(7)=Z必是阈值为T时的灰度平均值。则有两组间的方差为：D(T)=%(0-)2+W1(从一)2=%VT1(l-0)(2-25)从灰度级范围中改变T即可求得D(T)的最大值，如今对应的T值便是阈值。2.2.2边缘检测物体边缘是以图像的局部特征不连续的形式出现的，即指图像局部亮度变化最显著的部分，如灰度值的突变、颜色的突变等同时物体的边缘也是不一致区域的分界处。图像边缘具有方向与幅度两个特性，通常沿边缘的走向灰度变化平滑，垂直于边缘走向的像素灰度变化剧烈。利用边缘检测来分割图像，其基本思想就是先检测出图像中的边缘点，再按照某种策略方式将边沿点连接成轮廓，从而构成分割区域。由于边缘是所要提取目标与背景的分界线，提取出边缘才能将目标与背景分开，因而边缘检测技术关于数字图像十分重要。图像中某物体边界上的像素点，其领域将是一个灰度级变化带。衡量这种变化最有效的两个特征值就是灰度的变化率与变化方向，它们分别以梯度向量的幅值与方向来表示。总之，边缘检测就是使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、线特征的过程。关于图像中的边缘检测可借助空域微分算子通过卷积完成。1.梯度算子梯度对应为一阶导数，梯度算子是一阶导数算子，对一个连续函数f(x,y).它在位置(x,y)的梯度可表示成一个矢量。Wo') = G这个矢量的幅度与方向角分别为:g(W) = G2+Gj%<Kx, y) = arctan()(2-26)(2-27)(2-28)在实际中常用小区域模板卷积来近似计算上式中的偏导数，对G,、Gy各用一Roberts cross： Hl=(个模板，则需要两个模板构成一个梯度算子。根据模板的大小、其中元素值的不一致，人们已提出了许多不一致的算子。最简单的梯度算子是罗伯特交叉算子(RObertScross)、普瑞维特算子(Prewitt)与索贝尔算子(Sobel)0其常用的2个模板如下：Jl01、"11Prewitt：Hl=-101，H2=001-10IJITT,H2二10Jl01>"12Sobel：Hl=-202,H2=00<-0IJ<1-210-1>将模板与原始图像的像素矩阵进行卷积，即可得到梯度:W) = Gx GJ=以®Hl